Την αμφίδρομη σχέση μεταξύ νευροεπιστήμης και τεχνητής νοημοσύνης ανέλυσε η Μαρία Παπαδοπούλη, καθηγήτρια και ερευνήτρια στο Πανεπιστήμιο Κρήτης, στο πλαίσιο του EmTech Europe 2026, που διοργανώνει η MIT Technology Review σε συνεργασία με την «Καθημερινή».
Η κ. Παπαδοπούλη επισήμανε ότι η νευροεπιστήμη διαδραμάτισε καθοριστικό ρόλο στη διαμόρφωση της ΤΝ ήδη από τα πρώτα της βήματα, καθώς η ιδέα ότι η νοημοσύνη μπορεί να αναδυθεί από δίκτυα νευρώνων με κατάλληλες συνδέσεις και μαθησιακούς κανόνες έχει βαθιές ρίζες στη μελέτη του νευρικού συστήματος. Ανέφερε ακόμη ότι ο ανθρώπινος εγκέφαλος διαθέτει από 10 έως 100 δισεκατομμύρια νευρώνες, με έως 10.000 συνάψεις ο καθένας, σχηματίζοντας κυκλώματα εξαιρετικής πολυπλοκότητας.
Εξήγησε ότι το ενδιαφέρον για τη νευρο-ΤΝ ανανεώνεται, καθώς, παρά τις εντυπωσιακές επιδόσεις των σύγχρονων συστημάτων, ο βιολογικός εγκέφαλος εξακολουθεί να υπερέχει σε κρίσιμους τομείς, όπως η μάθηση από ελάχιστα παραδείγματα, η προσαρμογή σε νέες συνθήκες και η εξαιρετικά χαμηλή κατανάλωση ενέργειας. Ο ανθρώπινος εγκέφαλος λειτουργεί με περίπου 20 watt, ένα κατώφλι αποδοτικότητας που η ΤΝ δεν έχει ακόμη φτάσει.
Παρουσίασε τον εγκέφαλο ως μια «μηχανή προσομοίωσης» που προβλέπει διαρκώς την επόμενη κατάσταση του κόσμου, αξιοποιώντας σήματα σφάλματος που προκύπτουν από την απόκλιση μεταξύ του αναμενόμενου και του πραγματικού. Οπως σημείωσε, αυτή η αρχή αποτελεί πηγή έμπνευσης για τα σύγχρονα μοντέλα μάθησης στην ΤΝ. Αναφέρθηκε επίσης στον κανόνα του Hebb − «neurons that fire together, wire together»− ως θεμελιώδη αρχή που επηρέασε βαθιά τόσο τη νευροεπιστήμη όσο και την ανάπτυξη των τεχνητών νευρωνικών δικτύων.
Υπογράμμισε ότι η ΤΝ δεν αποτελεί απλώς εργαλείο ανάλυσης δεδομένων, αλλά και μέσο παραγωγής νέας γνώσης, καθώς τα μοντέλα της μπορούν να συμβάλουν στη διατύπωση πιο ακριβών υποθέσεων για τη λειτουργία των νευρωνικών κυκλωμάτων. Παράλληλα, η νευροεπιστήμη συνεχίζει να εμπνέει νέες γενιές υπολογιστικών τεχνολογιών, σε μια αμφίδρομη σχέση εξέλιξης. Ως χαρακτηριστικό παράδειγμα ανέφερε τις εφαρμογές στη μελέτη νευρολογικών παθήσεων, όπως η επιληψία, όπου η ανάλυση της νευρωνικής δραστηριότητας μπορεί να οδηγήσει στην ανάπτυξη πιο στοχευμένων θεραπειών.
Τέλος, επισήμανε ότι η εμπιστοσύνη στα συστήματα ΤΝ δεν μπορεί να βασίζεται αποκλειστικά στην απόδοση, αλλά προϋποθέτει διαφάνεια, δυνατότητα εξήγησης και ουσιαστική ανθρώπινη εποπτεία. Συνοψίζοντας, επικαλέστηκε τον Σοφοκλή: «Πολλὰ τὰ δεινὰ κοὐδὲν ἀνθρώπου δεινότερον πέλει», υπογραμμίζοντας ότι η ΤΝ ενδέχεται να αποδειχθεί ένα από τα πιο «δεινά» −με τη διπλή έννοια του όρου− δημιουργήματα του ανθρώπου.
